新智元报道
新智元报道

ASI(超级人工智能)到来的时间表预计将再次提前6周。这一预测基于METR最新调查报告,该报告首次披露Anthropic内部模型Model 4在AECI基准测试中创下历史最高分。据内部实测,该模型使生产力提升了12倍。
与此同时,Anthropic发布了一份35页的重磅研究报告,通过真实数据揭示了AI对科研效率的显著提升:AI可承担27%至52%的研究人员工时,中位数为38%。这意味着科学家每周近两天的工作量可由AI独立完成。
数据显示,不同学科受AI提速的影响差异显著。在统计学领域,科研产出提升至原来的2.02倍;计算机科学为1.96倍。若实现全流程100%自动化,部分领域的提速幅度可达16倍。
全球4.3%计算机科学家贡献超三分之一Claude Code用量
该报告基于「SciNet科学分类法」,将科研任务细分为7262项具体任务,涵盖34个学科和318个子领域。研究团队分析了128,914次Claude对话、78,135次Claude Code对话,并对528位一线学者进行了深度问卷调查。
数据分析显示,学科间存在显著的「贫富差距」。在普通Claude对话中,计算机(11.9%)、工程学(8.4%)和医学(7.7%)位列前三。而在Claude Code的使用中,计算机科学家仅占全球科研人群的4.3%,却贡献了32.7%的对话量。
|
|
细分领域数据显示,专注于AI和机器学习的科学家仅占全球总数的1.2%,却占据了15.2%的Claude Code对话量。这表明,开发AI的群体自身也是AI工具最重度使用者。凡涉及「计算」的学科(如计算生物学、计算语言学)均表现出高频使用特征,而依赖实验室操作或临床诊疗的化学家、医生使用频率相对较低。
这种现状形成了闭环:AI加速了计算机和统计学等领域的研究,进而推动下一代更强大AI的开发,反过来进一步加速科研进程。
从任务类型来看,「数据分析」是AI介入最深的领域。科学家平均花费27.6%的时间进行数据分析,而在Claude Code中,此类会话占比高达48.1%。写作与交流也是高频需求,人类平时花费16.0时间撰写论文,在Claude上的会话占比达到32.0%。相比之下,数据收集和提出假设虽然被科学家视为重要需求,但在AI会话中的占比相对较低。
Claude擅长任务调用量翻4倍,深度脑力活仍需专家介入
Anthropic采用类似棋类ELO评级的方式,对7262个科研任务的AI适用性进行了评分。结果显示,AI最擅长的前20%任务(如绘制数据图、运行统计检验),在Claude上的调用量是正常工时占比的2倍,在Claude Code中更是翻了4倍。而需要物理实操的任务(如混合物提纯、实地调查)则极少使用AI。
研究指出,任务是否适合强化学习(具备验证结果、模拟反馈等特征)是决定AI表现的关键因素,相关性高达0.78。纯脑力任务得分较高(相关性0.69),而需动手实操的任务得分较低(-0.57)。
尽管AI在处理常规任务上表现出色,但在「提出点子与假设」等深度脑力活动中,Claude Science展现了更强能力。此类任务占对话量的8%,且超过80%的任务需要具备博士学历背景才能有效介入。在Claude Science辅助下,70%以上的对话可由其自主完成,单次会话处理的工作量相当于人类10.3小时的工作,是普通版本的兩倍以上。例如,在预测蛋白质与药物分子结合方面,Claude Success的概率是普通版的5.6倍。
AI接管超一半科研工时,全自动模式下部分学科提速16倍
报告模拟了三种AI普及情景以评估科研加速潜力:
情景一:当前水平全行业普及。AI可接手27%至52%的工时(中位数38%)。考虑到成本效益(AI每小时30美元 vs 研究员每小时95美元,且AI需额外0.2小时准备时间),统计学产出提升至2.02倍,计算机科学1.96倍,而艺术、人类学等学科提升幅度较小(约1.35-1.36倍)。
造成差异的主要原因包括:一是农学、生物医学等领域近40%的工时依赖物理实验,难以被AI替代;二是艺术、历史等学科依赖主观定性分析,难以通过规模化训练提升AI能力。
情景二:非实操任务75%自动化。计算机科学提速约8倍,统计学和图书情报学达7倍,经济学6倍。而实验密集的医学和生物学科仅加速2-3倍。
情景三:非实操任务100%自动化。统计、计算机、经济、数学、心理学乃至文史艺术学科提速可达15-16倍。然而,生物、化学、材料等重度实验学科仍受限於约40必须的实体操作,提速止步于3-4倍。
16倍的提速上限主要受限于成本比例。目前AI执行相同任务的成本约为人类的十六分之一。调查显示,38%的受访者认为AI在数据分析上已媲美顶尖研究者,预计2030年这一比例将达94%。40%的人预计2030年前AI能独立承担整个项目,2035年这一比例将达64%。
RSI飞轮效应显现,AI加速自我迭代
AI加速潜力最大的领域恰恰是AI研发本身,形成了「AI加速AI研究,更强AI反哺科研」的递归自我改进(RSI)飞轮。METR评估显示,Claude的进化速度已达以往的1.9倍,其中80%的动力源于Claude自身的贡献。Anthropic研究员表示,目前的瓶颈仅剩创意和算力,代码生成已不再是障碍。
尽管AI自主性增强带来了效率飞跃,但也引发了对人类角色变化的关注。随着52%的科研工时被AI接管,科学发现的引擎已经换代。正如Vannevar Bush所言,科学是无尽的前沿,而驶向这片前沿的工具正在经历根本性的变革。
参考资料:
https://www.anthropic.com/research/how-researchers-use-claude
编辑:桃子




